IV.1Ритейл, электронная коммерция и fashion-tech

Stable Diffusion 3.5 Large Turbo — модель Stability AI для генерации изображений по текстовым запросам. Она построена на архитектуре Multimodal Diffusion Transformer (MMDiT), использует три предварительно обученных текстовых энкодера и нормализацию QK. Дистилляция Adversarial Diffusion Distillation позволяет получать изображения за четыре шага генерации. Модель предназначена для создания иллюстраций и материалов для дизайна, творческих и образовательных инструментов, а также для исследований генеративных моделей. В карточке отмечены улучшения качества изображений, отображения текста, понимания сложных запросов и эффективности использования ресурсов. Указаны английские языковые метаданные; текстовые энкодеры CLIP и T5 обрабатывают запросы с контекстом до 77 или 256 токенов в зависимости от этапа обучения. Модель выпущена по Stability Community License; для коммерческого лицензирования Stability AI предлагает обращаться отдельно. Она не предназначена для достоверного изображения реальных людей и событий. Защитные меры не гарантируют устранение всего вредного контента, поэтому разработчикам следует проверять результаты и применять подходящие фильтры.

KiwiXR/stable-diffusion-v1-5 — перепубликация модели Stable Diffusion v1.5, разработанной Robin Rombach и Patrick Esser. Это латентная диффузионная модель, которая создаёт и изменяет изображения по текстовым запросам. Версия репозитория для Diffusers содержит веса в форматах PyTorch и safetensors; в копии отсутствует файл non-EMA весов UNet в формате safetensors, но доступна версия bin. Исходный чекпойнт основан на Stable Diffusion v1.2 и дообучен на 595 тысячах шагов при разрешении 512×512 на данных LAION Aesthetics v2 5+. Для кодирования текста используется CLIP ViT-L/14. Модель лучше работает с английскими запросами; русский язык и другие неанглийские языки поддерживаются хуже. Лицензия — CreativeML OpenRAIL-M. Модель подходит для создания иллюстраций и фотореалистичных изображений, а также редактирования изображений по текстовым описаниям. Она может ошибаться в композиционно сложных сценах, плохо генерирует читаемый текст и не всегда корректно изображает людей. Обучающие данные содержат материалы для взрослых, а сама модель может воспроизводить предвзятости и запоминать некоторые изображения; для безопасного применения рекомендуется использовать Safety Checker.

Stable Diffusion v1.5 Inpainting — латентная диффузионная модель генерации и редактирования изображений, разработанная Робином Ромбахом и Патриком Эссером и опубликованная в формате Diffusers. Она создаёт изображения по текстовому запросу и позволяет перерисовывать выбранные области исходного изображения по маске. Для inpainting к входу UNet добавлены каналы закодированного изображения с маской и самой маски; текст кодируется предварительно обученным CLIP ViT-L/14. Модель основана на весах Stable Diffusion v1.2 и дообучена для inpainting на разрешении 512×512. Модель подходит для творческого редактирования изображений, замены или заполнения областей по описанию, а также экспериментов с генеративными моделями. Основной язык запросов — английский. Качество фотореализма и изображений людей не гарантировано; модель плохо отображает читаемый текст и сложные пространственные отношения, а результаты на неанглийских запросах обычно хуже. Обучающие данные содержат взрослый контент, модель может воспроизводить смещения и запоминать изображения. Лицензия CreativeML OpenRAIL-M устанавливает ограничения на использование.

SD-XL Inpainting 0.1 — модель генерации и редактирования изображений, разработанная командой Diffusers и дообученная на весах Stable Diffusion XL Base 1.0. Это латентная диффузионная модель с двумя предобученными текстовыми энкодерами OpenCLIP-ViT/G и CLIP-ViT/L. Для inpainting в UNet добавлены входные каналы для закодированного изображения с маской и самой маски; обучение проводилось 40 тыс. шагов при разрешении 1024×1024. Модель создаёт изображения по текстовому описанию и изменяет области изображения, заданные маской. Она подходит для художественной генерации, дизайна и творческих инструментов. Лицензия — CreativeML Open RAIL++-M License. Модель не гарантирует фотореализм, плохо создаёт читаемый текст и может ошибаться в сложной композиции, лицах и изображении людей. При полной маске качество результата может снижаться; модель также наследует риски смещения, присущие генеративным моделям.

tabUM v1.1 — небольшая табличная foundation-модель Heldernóid с 14,31 млн параметров и трёхэтапной архитектурой трансформера для обучения в контексте. Она выполняет zero-shot-классификацию и регрессию: при вызове fit(X, y) сохраняет обучающие строки, а predict(X_test) использует их в одном проходе модели, без дообучения на пользовательских данных. Модель обучена на синтетических задачах, поддерживает таблицы до 2 000 признаков и 100 классов, обрабатывает пропуски как отдельный сигнал и может выдавать калиброванные вероятности, распределения регрессии и объяснения предсказаний. Модель рассчитана на быстрые предсказания по табличным данным, особенно на небольших и шумных наборах, задачах с большим числом классов и данными с пропусками. README указывает, что проверялась работа с контекстом до 64 000 строк; для регрессии на больших малошумных наборах градиентный бустинг может быть предпочтительнее, а текстовые столбцы следует заранее удалить или закодировать. Доступна опциональная адаптация finetune() на конкретном наборе данных. Лицензия — MIT.

VBVR-Pro Qwen Image Edit — модель для редактирования изображений по текстовым инструкциям, разработанная авторами проекта VBVR-Pro на основе Qwen/Qwen-Image-Edit-2511. Она дообучена на наборе VBVR-Pro-SFT-Image; веса LoRA ранга 32 объединены с весами трансформера, поэтому модель загружается напрямую через Diffusers без отдельного адаптера. Модель предназначена для инструкционного редактирования изображений и визуальных задач, где требуется рассуждать через создание или изменение изображения. Проект VBVR-Pro исследует визуальное рассуждение и описывает набор из 300 процедурно созданных задач, однако карточка этой модели указывает именно на редактирование изображений. Репозиторий распространяется в форматах Diffusers и safetensors по лицензии Apache-2.0. В карточке не приведены результаты, позволяющие оценить качество модели отдельно от общего описания проекта.

ChatTruth-7B — модель семейства Qwen, разработанная на основе Qwen-VL и дополнительно обученная на специально подготовленных данных. Она предназначена для диалоговой генерации текста с поддержкой визуальных входов и улучшенной обработкой изображений высокого разрешения. В README заявлен модуль Restore Module, снижающий вычислительную нагрузку при работе с изображениями высокого разрешения. В метаданных указаны 11,4 млрд параметров, контекст длиной 8192 токена и поддержка китайского и английского языков. Репозиторий содержит веса PyTorch; для запуска README указывает Transformers 4.32.0, PyTorch 1.13 или новее и CUDA 11.4 или новее. Условия лицензии в предоставленных данных не описаны.

ControlNet v1.1 instruct pix2pix — модель для управляемой генерации и редактирования изображений на основе диффузионных моделей. Она разработана Lvmin Zhang и Maneesh Agrawala, а данный репозиторий содержит конвертацию исходного checkpoint в формат diffusers. Модель предназначена для работы совместно с Stable Diffusion, прежде всего runwayml/stable-diffusion-v1-5. Архитектура ControlNet добавляет к предварительно обученной диффузионной модели дополнительные условия управления. Эта версия обучена для сценариев instruct pix2pix, то есть редактирования исходного изображения по текстовой инструкции: например, изменения внешнего вида или добавления объектов. Заявлены текстовая и визуальная модальности, английский язык и тип задачи text-to-image, адаптированный для image-to-image редактирования. Размер модели и максимальная длина контекста в README не указаны. Сильная сторона модели — возможность сохранять и использовать структуру исходного изображения, одновременно управляя результатом текстовым описанием. Checkpoint рекомендуется применять со Stable Diffusion v1-5; совместимость с другими диффузионными моделями возможна, но не гарантируется. Ограничения, показатели качества и требования к вычислительным ресурсам не приведены. Модель распространяется по лицензии CreativeML OpenRAIL M, адаптированной на основе Open RAIL M.

lllyasviel/control_v11p_sd15_inpaint — это версия ControlNet v1.1, разработанная Lvmin Zhang и Maneesh Agrawala. Модель преобразована в формат Diffusers из оригинального checkpoint и предназначена для совместного использования с Stable Diffusion, прежде всего с runwayml/stable-diffusion-v1-5. Модель добавляет к диффузионной генерации дополнительное условие в виде изображения для inpainting. Она подходит для заполнения или изменения выделенных областей изображения по текстовому описанию, сохраняя информацию о незамаскированных участках и предоставляя более точный контроль над результатом. Заявленный язык — английский; поддерживаемые модальности включают текст и изображения, в частности исходное изображение, маску и control image. Ключевая сильная сторона модели — управляемое редактирование изображений за счёт интеграции ControlNet с предварительно обученной диффузионной моделью. Ограничение заключается в том, что checkpoint рассчитан на Stable Diffusion v1-5 и специализирован для сценариев inpainting; совместимость с другими моделями не гарантируется, хотя экспериментально допускается использование с некоторыми вариантами Stable Diffusion. Размер модели и максимальный контекст в README не указаны. Лицензия — CreativeML OpenRAIL M.

DreamLite — диффузионная модель ByteDance на архитектуре UNet для генерации изображений по текстовому описанию и редактирования изображений. Она использует трёхветвевую схему dual-CFG и рассчитана на работу с изображениями размером 1024×1024. Для работы конвейер использует Qwen3VLForConditionalGeneration и Qwen3VLProcessor. В README указана зависимость от версии transformers==4.57.3: версии transformers 5.0 и выше могут вызывать заметные блочные артефакты на изображениях. Модель предназначена для генерации и редактирования изображений. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает использование некоммерческими целями. Полная карточка модели ещё не опубликована.

Florence-2-large-PromptGen v2.0 — модель MiaoshouAI на базе Florence-2, предназначенная для создания подписей и промптов по изображениям. Она предлагает несколько форматов вывода: теги в стиле Danbooru, короткую подпись, подробное описание, структурированное описание с расположением объектов и анализ композиции. Смешанный режим объединяет подробную подпись и теги для подготовки текста под Flux, включая варианты для T5XXL и CLIP_L. Модель рассчитана на работу с изображениями в сценариях генерации и тегирования: автор заявляет низкое потребление памяти — чуть более 1 ГБ видеопамяти — и высокую скорость. Для использования через графический интерфейс автор рекомендует узел ComfyUI-Miaoshouai-Tagger. Репозиторий содержит веса в safetensors; лицензия — MIT. В карточке не приведены измерения качества или результаты сравнений, поэтому заявленные скорость и качество следует считать характеристиками по описанию автора.

HelpingAI-Vision — мультимодальная модель семейства HelpingAI, разработанная на основе MC-LLaVA-3b и дообученная для анализа изображений по текстовым запросам. Она предназначена для диалоговых сценариев визуального понимания: пользователь задаёт вопрос об изображении, а модель формирует текстовый ответ. Для каждого фрагмента изображения полный энкодер SigLIP создаёт эмбеддинг размером 1152, после чего адаптер LLaVA преобразует эмбеддинги в визуальные токены размером 2560. Такой подход рассчитан на более детальное понимание сцен. В README указан формат запросов ChatML; заявлен английский язык. Модель доступна в формате safetensors и использует библиотеку Transformers. В README отмечено, что визуальные токены пока не содержат явной информации о положении фрагментов в исходном изображении; добавление позиционной информации планировалось в будущем обновлении. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

Heouzen/Huihui-Qwen3-VL-8B-Instruct-FP8-abliterated — мультимодальная модель на архитектуре Qwen3-VL, представленная как версия Huihui-Qwen3-VL-8B-Instruct-abliterated в формате FP8. Она принимает текст и изображения и предназначена для диалога и анализа изображений с ответами на естественном языке. Модель является дообучением huihui-ai/Huihui-Qwen3-VL-8B-Instruct-abliterated. Карточка указывает лицензию Apache-2.0. Данных о размере контекста и поддерживаемых языках в предоставленных метаданных нет; README не содержит доступного описания.

Карточка модели xxmmooee/hy3.0-mlx-q8 на Hugging Face совпадает с карточкой tencent/HunyuanImage-3.0-Instruct-Distil, поэтому описание составлено по ней. HunyuanImage-3.0-Instruct-Distil — дистиллированная версия мультимодальной модели Tencent для генерации и редактирования изображений. Она принимает текстовую инструкцию и исходное изображение, интерпретирует его с учётом контекста и формирует изменённое изображение; карточка рекомендует восемь шагов сэмплирования для более эффективного вывода. Модель построена на авторегрессионной MoE-архитектуре HunyuanImage 3 и объединяет понимание текста и изображений с генерацией. В метаданных указано 3,1 млрд параметров и контекст длиной 22 800 токенов. Модель предназначена для творческого редактирования изображений по текстовым инструкциям и генерации визуальных результатов на основе изображения и запроса. README описывает HunyuanImage-3.0 как систему с сильным следованием промпту, визуальной детализацией и возможностью интерпретировать содержание изображения; эти общие характеристики семейства не сопровождаются отдельными результатами оценки дистиллированного чекпойнта. Для работы требуются значительные вычислительные ресурсы: инструкция по запуску семейства указывает Python 3.12+ и CUDA 12.8. Лицензия обозначена как other; конкретные условия использования следует проверять в файлах репозитория.

Inception-v3 gluon_in1k — модель классификации изображений из библиотеки timm, обученная авторами MxNet GLUON на ImageNet-1k. Она предназначена для отнесения изображения к одному из классов и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Модель содержит 23,8 млн параметров, требует изображения размером 299 × 299 пикселей и имеет вычислительную сложность 5,7 GMACs. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0. Модель работает с изображениями и выдаёт метки классов либо признаки и эмбеддинги при соответствующем использовании. Она обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на классы этого набора данных; качество на других предметных областях отдельно не подтверждено.

LongCat-Image-Edit-Turbo-FP8 — дистиллированная модель для редактирования изображений, разработанная командой Meituan LongCat. Она предназначена для image-to-image сценариев: изменения объектов и содержания исходного изображения по текстовому описанию, включая задачи на английском и китайском языках. Модель интегрируется с библиотекой Hugging Face Diffusers через LongCatImageEditPipeline. Ключевая особенность модели — высокая скорость вывода: для генерации требуется 8 NFEs (Number of Function Evaluations), что обеспечивает низкую задержку инференса. В README также указана специализированная посимвольная обработка текста: при редактировании изображений с текстом целевой текст необходимо заключать в одинарные или двойные кавычки, иначе качество его отображения существенно снижается. Точные сведения об архитектуре, общем размере модели, поддерживаемых модальностях и максимальной длине контекста не приведены. Для работы требуется GPU; при использовании CPU offload заявлена потребность примерно в 18 ГБ видеопамяти, однако такой режим работает медленнее. Модель опубликована по лицензии Apache-2.0. README не содержит подробных сведений о возможных ограничениях качества, наборе данных или результатах сравнительного тестирования.

JovanHengGhimHong/magicbrush-diffusers — версия модели MagicBrush в формате Diffusers. По метаданным, она использует StableDiffusionInstructPix2PixPipeline и предназначена для редактирования изображений по текстовым инструкциям: на вход подаются изображение и запрос на изменение, на выходе получается отредактированное изображение. Репозиторий содержит веса в форматах Diffusers и PyTorch. Модель подходит для локального редактирования изображений с помощью библиотеки Diffusers. Сведений о размере, контекстном окне, языковой поддержке и лицензии в доступных данных нет.

Meissonic — модель генерации изображений по текстовому описанию, разработанная командой ATH-MaaS. Она использует неп autoregressive masked image modeling: изображение создаётся по маскам, а не последовательным предсказанием пикселей. Модель также заявлена для преобразования изображений и рассчитана на запуск на потребительских видеокартах. Meissonic генерирует изображения с разрешением до 1024×1024. Репозиторий содержит веса в формате Diffusers и safetensors; лицензия — Apache-2.0. Разработчики применяли проверки соответствия при обучении, но предупреждают, что не могут гарантировать отсутствие проблемного контента или нарушений авторских прав.

nunchaku-qwen-image-edit — квантизированная версия модели Qwen-Image-Edit, разработанная командой Nunchaku на базе Qwen-Image. Это модель image-to-image для редактирования изображений по текстовым инструкциям; исходная модель также ориентирована на сложный рендеринг текста. В карточке указана поддержка английского языка, однако полный перечень языков, размер модели, архитектура и длина контекста не приведены. Модель оптимизирована для эффективного вывода при минимальной потере качества. Доступны варианты INT4 для видеокарт до серии NVIDIA 50 и NVFP4 для видеокарт Blackwell серии 50. Вариант с рангом r32 обеспечивает более быстрый вывод, а r128 ориентирован на лучшее качество за счёт снижения скорости. Также представлены дистиллированные версии, рассчитанные на генерацию за 4 или 8 шагов, с использованием соответствующих LoRA-адаптеров Qwen-Image-Edit-Lightning. Ограничения модели связаны с отсутствием в карточке подробных требований к оборудованию, характеристик качества, ограничений по разрешению и инструкций по применению. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B LLM SCS — дообученная компанией или автором achuthc1298 мультимодальная модель на базе Qwen/Qwen3.8-27B. Это плотная модель с архитектурой Qwen3_5ForConditionalGeneration и 27 млрд параметров, предназначенная для диалогов с текстом и изображениями. Она поддерживает анализ визуального содержимого и интерфейс вызова инструментов. В репозитории размещены полные веса в формате Safetensors, конфигурация модели, токенизатор и файлы предварительной обработки. Модель подходит для ответов на вопросы по изображениям, описания визуальных сцен и диалоговых задач с визуальным контекстом. Также заявлен интерфейс для вызова инструментов. Сведения о лицензии, длине контекста и поддерживаемых естественных языках в доступных данных отсутствуют.

Карточка модели AtomicChat/Qwen3.8-27B-MLX-AD-5.00bpw-DWQ-17.7GB на Hugging Face совпадает с карточкой AtomicChat/Qwen3.8-27B-MLX-AD-3.80bpw-DWQ-13.7GB, поэтому описание составлено по ней. AtomicChat/Qwen3.8-27B-MLX-AD-3.80bpw-DWQ-13.7GB — мультимодальная плотная модель семейства Qwen3.5 на 27 млрд параметров, подготовленная AtomicChat на основе Qwen/Qwen3.8-27B для работы в формате MLX. Она предназначена для диалогов и задач, где нужно анализировать изображения и формировать текстовый ответ. Карточка также указывает поддержку vision и conversational-взаимодействия. Модель принимает текст и изображения, выдаёт текст. Репозиторий использует safetensors, а для базовой модели указана лицензия Apache-2.0. README описывает преобразование в MLX с помощью mlx-lm 0.31.3; сведений о контекстном окне и ограничениях качества карточка не приводит.

dx8152/Qwen-Edit-2509-Light-Migration — модель LoRA для редактирования изображений, созданная сообществом на базе Qwen/Qwen-Image-Edit-2509. Она предназначена для переноса освещения и цветового тона с одного изображения на другое, включая сценарии, где исходное изображение уже имеет собственное освещение. Модель позволяет переосвещать изображение по текстовому указанию и референсу с желаемым светом и тенями. Модель работает в режиме image-to-image и интегрируется с библиотекой diffusers. Для использования требуется базовая модель Qwen/Qwen-Image-Edit-2509; в README также упоминается совместимость с вариантами Lightning, причём автор считает версию Edit более эффективной. Архитектурный размер, поддерживаемые языки, максимальный контекст, обучающий датасет и точные требования к ресурсам не указаны. В качестве сильной стороны заявлена возможность вторичного освещения изображений с уже существующим светом, однако количественные оценки качества и подробные ограничения не приведены. Модель распространяется по лицензии Apache-2.0. Обучение проводилось без написания кода на инфраструктуре ModelScope.

Sutoonq представил шестишаговую дистиллированную версию генератора Qwen-Image-2.1 для создания изображений по текстовым запросам и редактирования изображений. Это чекпойнт трансформера QwenImage21Transformer2DModel: веса FP32 объёмом 28,46 ГБ распределены по восьми файлам Safetensors для Diffusers. Для инференса нужны текстовый энкодер, VAE, процессор и планировщик из базовой модели Qwen/Qwen-Image-2.1; репозиторий не содержит полного самостоятельного пайплайна. Модель рассчитана на шесть вычислений модели с сэмплированием Euler flow и поддерживает настройку разрешения, по умолчанию около 2048 пикселей на сторону. Карточка показывает генерацию и редактирование изображений, но не сообщает результаты количественной оценки качества. Лицензия указана как other, поэтому условия использования следует сверить с файлами лицензии и условиями базовой модели.

Карточка модели wolf1280/Qwen-Image-Edit-Rapid-AIO-V19 на Hugging Face совпадает с карточкой prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V19, поэтому описание составлено по ней. prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V19 — преобразованные для Diffusers веса модели редактирования изображений на основе Phr00t/Qwen-Image-Edit-Rapid-AIO. Репозиторий содержит веса трансформера, извлечённые из Phr00t/Qwen-Image-Edit-Rapid-AIO-NSFW-V19 и предназначенные для ускоренного инференса Qwen Image Edit за четыре шага.

prithivMLmods/Qwen-Image-Edit-Rapid-AIO-V21 — совместимые с Diffusers веса трансформера для ускоренного редактирования изображений на основе Qwen Image Edit. Модель получена из Phr00t/Qwen-Image-Edit-Rapid-AIO-NSFW-V21 и предназначена для редактирования изображений за небольшое число шагов генерации; в карточке упомянуты тесты на 4 шагах, а для версии v21 отмечена лучшая работа при 6–8 шагах или больше. Автор README считает v19 лучшей по общей производительности. Это дообученная версия Phr00t/Qwen-Image-Edit-Rapid-AIO, распространяемая в формате safetensors и рассчитанная на использование с библиотекой Diffusers. Лицензия — Apache-2.0. В метаданных указан английский язык карточки; язык текстовых инструкций для редактирования отдельно не подтверждён.

RORem — модель удаления объектов на изображениях, разработанная авторами проекта RORem и опубликованная на Hugging Face пользователем LetsThink. Она предназначена для локального заполнения изображения после удаления объекта: на вход подаются изображение, маска и текстовый запрос, а на выходе получается изменённое изображение. Модель реализована как пайплайн Stable Diffusion XL Inpainting на Diffusers; в конфигурации указана базовая модель diffusers/stable-diffusion-xl-1.0-inpainting-0.1. Карточка описывает RORem как инструмент для редактирования изображений и демонстрирует пример преобразования объекта с помощью текстового запроса. Репозиторий распространяется по лицензии Apache-2.0. Доступные материалы не сообщают размер модели, длину контекста или список поддерживаемых естественных языков.

BleachNick/SD3_UltraEdit_w_mask — модель редактирования изображений на основе Stable Diffusion 3, обученная на наборе UltraEdit. Она предназначена для изменения изображения по текстовому запросу: поддерживает редактирование с маской и свободное редактирование без заданной маски. В метаданных указана реализация для Diffusers через StableDiffusion3InstructPix2PixPipeline; веса представлены в формате safetensors. Модель подходит для локального редактирования изображений по инструкции, включая изменение выбранной области с помощью маски. README не раскрывает подробности архитектуры, параметры обучения и требования к лицензии; метаданные обозначают лицензию как other. Практическое использование зависит от совместимости с указанной в карточке модифицированной версией Diffusers.

Stable Diffusion 3 Medium — генеративная модель Stability AI для создания изображений по текстовым описаниям. Она использует архитектуру Multimodal Diffusion Transformer (MMDiT) и три предварительно обученных текстовых энкодера: OpenCLIP-ViT/G, CLIP-ViT/L и T5-XXL. Разработчик описывает её сильные стороны как качество изображений, работу с типографикой, понимание сложных запросов и эффективность использования ресурсов. Модель подходит для создания иллюстраций и дизайна, творческих и образовательных инструментов, а также исследований генеративных моделей. В репозитории есть варианты весов с разным составом текстовых энкодеров и точностью T5-XXL; производительность и требования к ресурсам зависят от выбранной упаковки. Модель не предназначена для достоверного изображения реальных людей и событий; генерация может быть предвзятой или нежелательной, поэтому разработчикам следует проверять результаты и применять меры безопасности. Лицензия — Stability Community License; для коммерческого использования могут потребоваться условия Enterprise License, а встроенные компоненты подчиняются своим лицензиям.

gpustack/stable-diffusion-v2-1-turbo-GGUF — это быстрая генеративная text-to-image-модель, разработанная Stability AI и представленная в формате GGUF. Она является дистиллированной версией Stable Diffusion 2.1 и предназначена для синтеза изображений по текстовому описанию, включая сценарии генерации в реальном времени, исследование генеративных моделей, создание иллюстраций, дизайн и образовательные или творческие инструменты. Модель также поддерживает image-to-image-сценарии. В основе лежит метод Adversarial Diffusion Distillation (ADD), позволяющий получать изображения высокого качества за 1–4 шага, причём для text-to-image обычно достаточно одного шага. Предпочтительный размер изображения — 512×512, но возможны и более высокие разрешения. В репозитории указаны варианты квантования FP16, Q8_0, Q4_1 и Q4_0; OpenCLIP ViT-H/14 и VAE доступны в FP16. Модель работает с текстом и изображениями, однако язык текстовых запросов и максимальный размер контекста в предоставленных данных не указаны. Сильные стороны модели — высокая скорость генерации, пригодность для приложений реального времени и хорошее качество при малом числе шагов. Ограничения включают более низкое качество и соответствие запросу по сравнению с SDXL-Turbo; модель не предназначена для получения фактически достоверных изображений людей или событий, а также может наследовать ограничения и предвзятость исходной модели. Для использования необходимо соблюдать лицензионные условия и Acceptable Use Policy Stability AI; детали коммерческого лицензирования вынесены в документы Stability AI.

Модель nilamgaichor/text_classification_senti_analysis — дообученная версия DistilBERT для классификации текста. По названию репозитория она предназначена для анализа тональности; README сообщает точность 0,9674 и loss 0,1275 на оценочной выборке, но не описывает набор данных и метрики подробнее. Модель принимает текст и возвращает метки классов; контекст ограничен 512 токенами. Модель работает на Transformers, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Данные не уточняют языки, состав классов и ограничения применения, поэтому результаты оценки нельзя уверенно переносить на другие домены или языки.